論文の概要: Observement as Universal Measurement

• arxiv url: http://arxiv.org/abs/2012.12095v1
• Date: Mon, 7 Dec 2020 08:05:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 20:40:26.171949
• Title: Observement as Universal Measurement
• Title（参考訳）: ユニバーサル計測としての観測
• Authors: David G. Green, Kerri Morgan and Marc Cheong
• Abstract要約: 現在生成される膨大な数の非数値データを裏付ける等価な理論はありません。 文字列やグラフなどの代替数学的モデルに代えて、従来の測度を一般化することを示す。 これは測定の一般化された概念に新しい洞察を明らかにする潜在性があることを意味します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Measurement theory is the cornerstone of science, but no equivalent theory underpins the huge volumes of non-numerical data now being generated. In this study, we show that replacing numbers with alternative mathematical models, such as strings and graphs, generalises traditional measurement to provide rigorous, formal systems (`observement') for recording and interpreting non-numerical data. Moreover, we show that these representations are already widely used and identify general classes of interpretive methodologies implicit in representations based on character strings and graphs (networks). This implies that a generalised concept of measurement has the potential to reveal new insights as well as deep connections between different fields of research.
• Abstract（参考訳）: 測定理論は科学の基盤であるが、現在生成されている大量の非数値データを支える等価な理論は存在しない。 本研究では,文字列やグラフなどの代用数学的モデルに代えて,厳密で形式的なシステム(オブザーブメント)を提供することにより,非数値データの記録と解釈を行う。 さらに,これらの表現は既に広く使われており,文字列やグラフ(ネットワーク)に基づく表現において暗黙的な解釈方法論の一般クラスを同定している。 これは、測定の一般化された概念は、異なる研究分野間の深いつながりと同様に、新しい洞察を明らかにする可能性を秘めていることを意味する。

関連論文リスト

• A practical generalization metric for deep networks benchmarking [4.111474233685893]
  本稿では,異なるディープネットワークをベンチマークする実用的な一般化基準を提案し,理論的推定の検証のための新しいテストベッドを提案する。 その結果,分類作業におけるディープネットワークの一般化能力は,分類精度と未確認データの多様性の両方に依存していることがわかった。 利用可能な一般化推定のほとんどは,提案した実測値を用いて得られた実測値と相関しない点に注意が必要である。
  論文  参考訳（メタデータ） (2024-09-02T23:38:25Z)
• Data-driven Modeling in Metrology -- A Short Introduction, Current Developments and Future Perspectives [3.5840407154326224]
  デジタル技術、拡張型センサーネットワーク、高性能コンピューティングは、データ駆動方式へのシフトを拡大している。 ここでは、データ駆動モデリングがもたらす様々な機会と、それらが既に様々な現実世界のアプリケーションで実装されている方法を示す。
  論文  参考訳（メタデータ） (2024-06-24T14:09:45Z)
• On margin-based generalization prediction in deep neural networks [0.0]
  本研究では,異なる環境下でのマージンに基づく一般化予測手法について検討する。 異なる種類のサンプルノイズが、ネットワーク全体のマージンに非常に異なる影響を与えることが判明した。 基礎となるデータ多様体の近似を組み込んだ新たなマージンベースの測度を導入する。
  論文  参考訳（メタデータ） (2024-05-20T13:26:57Z)
• Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation [59.138470433237615]
  本稿では,関係学習用データセットの言語的スキューと視覚的スクリューの両方を定量化する統計指標を提案する。 系統的に制御されたメトリクスは、一般化性能を強く予測できることを示す。 この研究は、データの多様性やバランスを向上し、絶対的なサイズをスケールアップするための重要な方向を示します。
  論文  参考訳（メタデータ） (2024-03-25T03:18:39Z)
• Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• Generalization Bounds with Data-dependent Fractal Dimensions [5.833272638548154]
  フラクタル幾何学に基づく一般化境界をリプシッツの仮定を必要とせずに証明する。 技術的な複雑さは相当に多いが、この新しい概念は一般化誤差を制御できる。
  論文  参考訳（メタデータ） (2023-02-06T13:24:48Z)
• Hyperbolic Graph Neural Networks: A Review of Methods and Applications [55.5502008501764]
  グラフニューラルネットワークは、従来のニューラルネットワークをグラフ構造化データに一般化する。 グラフ関連学習におけるユークリッドモデルの性能は、ユークリッド幾何学の表現能力によって依然として制限されている。 近年,木のような構造を持つグラフデータ処理や,ゆるい分布の処理において,双曲空間が人気が高まっている。
  論文  参考訳（メタデータ） (2022-02-28T15:08:48Z)
• Discrete representations in neural models of spoken language [56.29049879393466]
  音声言語の弱教師付きモデルの文脈における4つの一般的なメトリクスの利点を比較した。 異なる評価指標が矛盾する結果をもたらすことが分かりました。
  論文  参考訳（メタデータ） (2021-05-12T11:02:02Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• The Immersion of Directed Multi-graphs in Embedding Fields. Generalisations [0.0]
  本稿では,ハイブリッドカテゴリー,シンボル,知覚感覚,知覚潜在データを表す汎用モデルについて概説する。 この表現は、コンピュータビジョンにおける様々な機械学習モデル、NLP/NLUで現在使用されている。 これは、様々な潜在空間からの埋め込みを表す少なくともいくつかのエッジ属性を持つ有向リレーショナル型マルチグラフを提供することによって達成される。
  論文  参考訳（メタデータ） (2020-04-28T09:28:08Z)
• Node Masking: Making Graph Neural Networks Generalize and Scale Better [71.51292866945471]
  グラフニューラルネットワーク(GNN)は近年,多くの関心を集めている。 本稿では,芸術空間のGNNの状態によって実行される操作をよりよく可視化するために,いくつかの理論ツールを利用する。 私たちはNode Maskingというシンプルなコンセプトを導入しました。
  論文  参考訳（メタデータ） (2020-01-17T06:26:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。